老手机 本地部署小龙虾OpenClaw（使用本地千问大模型）实机演示 Termux+Ubuntu+Llama 新手完整安装教程（含代码）

三、Ubuntu 环境配置（核心依赖安装）

在 Ubuntu 终端中执行以下命令（确保已通过proot-distro login ubuntu进入）：

3.1 系统更新与基础工具

bash

运行

# 1. 更新Ubuntu软件源 apt update -y && apt upgrade -y # 2. 安装必要依赖 apt install -y build-essential git curl wget nano python3 python3-pip nodejs npm 

3.2 安装 Node.js（OpenClaw 依赖，必须 v22+）

bash

运行

# 卸载旧版本（如果有） apt remove -y nodejs npm # 安装Node.js v22 LTS curl -fsSL https://deb.nodesource.com/setup_22.x | bash - apt install -y nodejs # 验证版本（应显示v22+） node -v && npm -v # 安装pnpm（OpenClaw推荐包管理器） npm install -g pnpm 

四、本地 Llama 模型部署（两种方案，推荐 Ollama）

方案 A：Ollama（推荐，新手友好，自动管理模型）

bash

运行

# 1. 安装Ollama（一键脚本） curl -fsSL https://ollama.com/install.sh | sh # 2. 启动Ollama服务（后台运行） nohup ollama serve > ollama.log 2>&1 & # 后台运行，日志保存到ollama.log # 3. 验证安装 ollama --version # 4. 下载轻量级Llama模型（手机推荐0.5B~7B参数） # 下载Qwen2.5-0.5B（中文支持好，仅需约300MB空间） ollama pull qwen2.5:0.5b # 或下载Llama 3.1-8B（英文优秀，约4.7GB） # ollama pull llama3.1:8b # 5. 测试模型（交互模式） ollama run qwen2.5:0.5b # 输入"你好"测试，输入"/bye"退出 

方案 B：llama.cpp（手动编译，适合高级用户）

bash

运行

# 1. 克隆llama.cpp仓库 git clone https://github.com/ggerganov/llama.cpp.git cd llama.cpp # 2. 编译（手机CPU优化） make LLAMA_NATIVE=1 LLAMA_NO_ACCELERATE=1 # 禁用加速，适配手机CPU # 3. 下载GGUF格式Llama模型（推荐Q4_K_M量化版，体积小速度快） # 下载Qwen2.5-0.8B-UD-Q4_K_M.gguf（约500MB） wget https://hf-mirror.com/Qwen/Qwen2.5-0.8B-UD/resolve/main/Qwen2.5-0.8B-UD-Q4_K_M.gguf -P models/ # 4. 启动llama.cpp API服务（OpenClaw可通过API访问） ./server -m models/Qwen2.5-0.8B-UD-Q4_K_M.gguf -c 2048 --host 0.0.0.0 --port 8081 # -c 2048：上下文窗口大小 # --host 0.0.0.0：允许外部访问 # --port 8081：API端口 

五、OpenClaw 安装与配置

5.1 安装 OpenClaw

bash

运行

# 1. 克隆OpenClaw仓库（或直接下载最新版） git clone https://github.com/openclaw/openclaw.git cd openclaw # 2. 安装依赖 pnpm install # 3. 初始化配置（自动生成.env文件） pnpm run setup 

5.2 配置 OpenClaw 连接本地 Llama 模型

情况 1：连接 Ollama（推荐）

在初始化过程中，按以下提示配置：

plaintext

? 请选择默认模型提供商: Ollama ? Ollama API 地址: http://localhost:11434 # Ollama默认端口 ? 请设置Ollama API密钥: ollama-local # 任意值即可，Ollama不需要真实密钥 ? 请选择默认模型: qwen2.5:0.5b # 选择已下载的模型 

情况 2：连接 llama.cpp API

bash

运行

# 修改.env文件 nano .env # 添加以下内容（替换原有Ollama配置） MODELS_PROVIDERS_CUSTOM_API_BASE_URL=http://localhost:8081/v1 MODELS_PROVIDERS_CUSTOM_API_KEY=sk-local # 任意值 DEFAULT_MODEL=custom:llama # 保存并退出（Ctrl+O，回车，Ctrl+X） 

5.3 启动 OpenClaw

bash

运行

# 开发模式启动（适合调试） pnpm run dev # 或生产模式启动（推荐，性能更好） pnpm run build pnpm run start # 启动成功后，会显示： # > OpenClaw is running on http://localhost:8080 

六、访问与使用 OpenClaw

6.1 本地访问（手机浏览器）

1. 保持 Termux/Ubuntu 终端运行，不要关闭
2. 打开手机浏览器，输入：http://localhost:8080
3. 进入 OpenClaw 界面，在左侧选择 "模型交互"
4. 右侧选择已配置的模型（如 qwen2.5:0.5b）
5. 输入问题，点击 "发送"，等待回复（手机性能有限，首次可能需要 10-30 秒）

6.2 局域网访问（其他设备）

bash

运行

# 查看手机IP地址（在Ubuntu终端执行） ip a # 查找inet后的地址，如192.168.1.100 # 其他设备浏览器输入：http://手机IP:8080 # 例如：http://192.168.1.100:8080 

七、常见问题解决

问题 1：Ollama 启动失败

bash

运行

# 查看日志 cat ollama.log # 常见修复：重启服务 pkill ollama nohup ollama serve > ollama.log 2>&1 & 

问题 2：OpenClaw 连接模型失败

bash

运行

# 1. 检查模型服务是否运行 # Ollama： curl http://localhost:11434/v1/models # 应返回模型列表 # llama.cpp： curl http://localhost:8081/v1/models # 应返回模型列表 # 2. 检查.env配置是否正确 cat .env # 3. 重启OpenClaw pnpm run restart 

问题 3：内存不足 / 运行缓慢

1. 选择更小的模型（如 0.5B~2B 参数）
2. 关闭其他后台应用
3. 降低模型上下文窗口（llama.cpp 中-c 512代替-c 2048）

七、完整操作流程总结（快速参考）

bash

运行

# 1. 启动Termux # 2. 进入Ubuntu proot-distro login ubuntu --isolated # 3. 启动Ollama服务（如果未启动） nohup ollama serve > ollama.log 2>&1 & # 4. 进入OpenClaw目录 cd openclaw # 5. 启动OpenClaw pnpm run start # 6. 打开浏览器访问http://localhost:8080 

八、进阶技巧

后台运行与进程管理

bash

运行

# 1. 查看后台进程 jobs # 2. 将前台进程转为后台（Ctrl+Z后） bg # 3. 恢复后台进程到前台 fg [进程号] # 4. 永久后台运行（重启后仍生效） echo "nohup ollama serve > ollama.log 2>&1 &" >> ~/.bashrc echo "cd /root/openclaw && pnpm run start" >> ~/.bashrc 

模型推荐（手机性能友好）

表格

常见问题 Q&A

1. **是否需要 Root？**不需要！全程使用 Proot 容器技术，安全无风险
2. **手机最低配置要求？**建议≥4GB RAM，≥64GB 存储，Android 7+
3. **模型下载慢怎么办？**使用国内镜像源，如hf-mirror.com，或在电脑下载后通过 USB 传输到手机
4. 如何关闭服务？
   • OpenClaw：Ctrl+C
   • Ollama：pkill ollama
   • Ubuntu：exit 退出，然后关闭 Termux

老手机 本地部署小龙虾OpenClaw（使用本地千问大模型）

现在你已经成功在手机上搭建了完整的本地 AI 环境，可以开始使用 OpenClaw 与 Llama 模型进行交互了！

大模型交流群：959957732